Introducción

El presente documento desarrolla un detallado análisis descriptivo y exploratorio de algunas de las variables más prometedoras presentes en los datos proporcionados sobre los camiones STARK E-CARGO 4.0T. Abajo encontrará una serie de gráficos descriptivos interactivos donde podrá ver los detalles que sean de su interés (puede mover el cursor sobre los mismos, realizar zoom con el mouse y ocultar categorías a su gusto). Si desea información técnica sobre la construcción de este documento, código escrito y recursos utilizados, por favor visite el siguiente repositorio de GitHub: Proyecto De Analítica Auteco Business

Análisis cantidad de repuestos solicitados por empresa y departamento

Es de interés conocer cómo se comportan las empresas que más registros de fallas poseen en los fallos más comunes de los camiones STARK E-CARGO 4T y que requieren un recambio del componente. Para dicha causa se seleccionan las seis empresas con más vehículos ingresados a taller y adicionalmente se eligen los 13 fallos más comunes en dichas empresas. La información se ilustra así:

De manera similar es interesante observar si las condiciones de cada departamento influyen en la manera como fallan los camiones en cuestión y en la dinamica de solicitud de respuestos en cada uno de los mismos. Para este caso se plantea el siguiente gráfico con los departamentos de ANTIOQUIA, CUNDINAMARCA, RISARALDA y VALLE DEL CAUCA en los mismos conceptos de fallo anteriores.

Análisis temporal cantidad de repuestos solicitados

Por otro lado, es de interés también observar el comportamiento de solicitud de repuestos a lo largo de los meses y los años. Esto para visualizar posibles tendencias en el comportamiento de este fenómeno. Se plantea así el siguiente gráfico:

En este gráfico se aprecia inicialmente un periodo de 4 años desde el 2019 hasta la fecha actual. En el año 2019 se tiene una cantidad mínima de repuestos cambiados. Sin embargo desde el 2020 y hasta el día de hoy, la solicitud de recambios en los camiones STARK no ha parado de crecer. Esto último responde naturalmente al crecimiento del parque automotor de este modelo a lo largo del periodo de tiempo en cuestión.

Kilometraje vs. fallas más comunes por empresa y departamento

Ahora, analizando lo discutido anteriormente respecto a los departamentos de cara al kilometraje, se propone la siguiente figura:

De manera similar, para examinar la relación entre el kilometraje y el concepto de falla y reemplazo, ahora discriminando en las 6 empresas con más registros, se tiene el siguiente gráfico:

Ajuste distribucional a la respuesta

Finalmente, para un análisis estadístico más técnico es de mucho interés conocer el comportamiento en la curva de distribución de la respuesta (en este caso kilometraje). Así entonces, haciendo uso de diversos test de bondad de ajuste y con la ayuda de diferentes algoritmos se logra concretar que la distribución que mejor se ajusta al kilometraje que registran los camiones al entrar a un taller es la curva de una distribución exponencial. A continuación se ilustra la curva real de la densidad de la respuesta versus la curva que mejor se le ajusta

\[KILOMETRAJE \sim EXP(15156.8)\]

En este punto se puede decir que existe un buen ajuste de la distribución en cuestión. Este aspecto resulta fundamental para etapas de modelación posteriores.